(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111481656.6 (22)申请日 2021.12.0 6 (71)申请人 西安电子科技大 学 地址 710071 陕西省西安市雁塔区太白南 路2号 (72)发明人 郭兴　吴家骥　曹运华　朱松龄　 (74)专利代理 机构 西安正华恒远知识产权代理 事务所(普通 合伙) 61271 代理人 陈选中 (51)Int.Cl. G06F 30/20(2020.01) G06F 119/08(2020.01) G06F 119/10(2020.01) (54)发明名称 一种大气温度廓线预测方法 (57)摘要 本发明公开了一种大气温度廓线预测方法， 所述预测方法包括： S1： 获取多个测量高度层； S2： 分别获取多个所述测量高度层中每层的测量 数据； S3： 将每层所述测量数据分别输入SARIMA 模型中， 得到与每层所述测量数据相对应的各层 预测数据； S4： 根据所有的预测数据， 得到一条大 气廓线； S5： 将所述大气廓线输入降噪自编码器 中， 得到预测大气温度廓线。 权利要求书1页 说明书4页 附图3页 CN 114154333 A 2022.03.08 CN 114154333 A 1.一种大气温度廓线预测方法， 其特 征在于， 所述大气温度廓线预测方法包括： S1： 获取多个测量高度层； S2： 分别获取多个所述测量高度层中每层的测量数据； S3： 将每层所述测量数据分别输入SARIMA模型中， 得到与每层所述测量数据相对应的 各层预测数据； S4： 根据所有的预测层数据， 得到一条 大气廓线； S5： 将所述大气廓线输入降噪自编码器中， 得到预测大气温度廓线。 2.根据权利要求1所述的多层大气温度预测方法， 其特 征在于， 所述 步骤S1包括： S11： 获取目标测量 点的历史大气温度廓线数据； S12： 对测量 点的大气温度廓线数据进行编号， 得到多个测量高度层。 3.根据权利要求1所述的多层大气温度预测方法， 其特征在于， 所述步骤S3中， 所述 SARIMA模型为： 其中， φ(·)和Φ(·)表示自回归多项式， 且φ(z)＝1 ‑φ1z‑φ2z2‑...‑φpzp， Φ(z)＝ 1‑Φ1z‑Φ2z2‑...‑ΦPzP； B和BS是延迟算子， 且BXt＝Xt‑1， BsXt＝Xt‑s， S表示延 迟的时间长度； 和 表示差分算子， 且 d和D表示差分进行地次数； Xt是 时间序列在t时刻的观测值； θ( ·)和Θ(·)表示滑动平均多项式， 且θ(z)＝1 ‑θ1z‑θ 2z2‑...‑θqzq， Θ(z)＝1 ‑Θ1z‑Θ2z2‑...‑ΘQzQ， q和Q限制 滑动平均多项 式地结构； εt是在t 时刻的估计误差； z为变量。 4.根据权利要求1所述的多层大气温度预测方法， 其特征在于， 所述步骤S5中， 所述降 噪自编码器的表达式为： D＝f(x)＝f(D+n oise) 其中， x表示大气廓线， D表示预测大气廓线， 且x＝D+noise， 其中noise表示噪音， f(x) 表示映射 函数。权　利　要　求　书 1/1 页 2 CN 114154333 A 2一种大气温度廓 线预测方 法 技术领域 [0001]本发明涉及大气温度预测技 术领域， 具体涉及一种大气温度廓线预测方法。 背景技术 [0002]大气廓线数据除了直接应用在天气预报， 气候变化监测等方面， 在定量遥感和光 学工程中亦有广泛应用， 因为大气廓线从根本上决定了大气的光学特性， 可用来预测大气 透过率和大气背景辐 射。 大大气参数空间分布结构复杂， 根据不同的参数特性从近地面到 太空可划分为对流层， 平流层， 中间层， 热层和逸散层。 [0003]大气温度空间分布数据的预测模型可以看作是时间序列的预测模型。 虽然目前已 经有部分温度预测的相关研究， 但由于现有的温度预测方法大都基于季节性差 分自回归滑 动平均模型(Seasonal  Autoregressive  Integrated  Moving Average,SARIMA)实施的， 而 SARIMA模 型是线性模 型， 在处理线性相关关系较弱的平 流层数据时， 预测精度较低， 平流层 大气温度数据的预测成为了整个大气温度廓线预测模型的短板 。 发明内容 [0004]本发明的目的在于提供一种大气温度廓 线预测方法， 以解决现有的大气温度预测 方法在处 理线性相关 关系较弱的平流层数据时预测精度低的问题。 [0005]本发明解决上述 技术问题的技 术方案如下： [0006]本发明提供一种大气温度廓线预测方法， 所述大气温度廓线预测方法包括： [0007]S1： 获取多个测量高度层； [0008]S2： 分别获取多个所述测量高度层的中每层的测量数据； [0009]S3： 将每层所述测量数据分别输入SARIMA模型中， 得到与每层所述测量数据相对 应的各层预测数据； [0010]S4： 根据所有的预测层数据， 得到一条 大气廓线； [0011]S5： 将所述大气廓线输入降噪自编码器中， 得到预测大气温度廓线。 [0012]可选择地， 所述 步骤S1包括： [0013]S11： 获取目标测量 点的大气温度廓线数据； [0014]S12： 对所述目标测量 点的大气温度廓线数据进行编号， 得到多个测量高度层。 [0015]可选择地， 所述 步骤S3中， 所述SARIMA模型为： [0016] [0017]其中， φ(·)和Φ(·)表示自回归多项式， 且φ(z)＝1 ‑φ1z‑φ2z2‑...‑φpzp， Φ (z)＝1‑Φ1z‑Φ2z2‑...‑ΦPzP； B和BS是延迟算子， 且BXt＝Xt‑1， BsXt＝Xt‑s， S表示延迟的时间 长度； 和 表示差分算子， 且 d和D表示差分进行地次数； Xt是时间序列在t时刻的观测值； θ( ·)和Θ(·)表示滑动平均多项式， 且θ(z)＝1 ‑θ1z‑θ 2z2‑...‑θqzq， Θ(z)＝1 ‑Θ1z‑Θ2z2‑...‑ΘQzQ， q和Q限制 滑动平均多项 式地结构； εt是在t说　明　书 1/4 页 3 CN 114154333 A 3